【摘要】：無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSNs)主要用來(lái)對(duì)監(jiān)測(cè)區(qū)域的信息進(jìn)行協(xié)同感知與處理。傳感器節(jié)點(diǎn)的能量有限,當(dāng)監(jiān)測(cè)區(qū)域較為偏遠(yuǎn)或危險(xiǎn)時(shí)不便于更換節(jié)點(diǎn)。此外,多個(gè)傳感器節(jié)點(diǎn)對(duì)同一區(qū)域采集的數(shù)據(jù)可能會(huì)存在較多的冗余信息,不僅會(huì)影響通信開(kāi)銷還會(huì)消耗大量的能量。因此,解決WSNs中的能耗問(wèn)題有重要的應(yīng)用價(jià)值。數(shù)據(jù)融合技術(shù)通過(guò)特征提取或數(shù)據(jù)壓縮等方法去除網(wǎng)絡(luò)中的冗余信息,減少傳輸數(shù)據(jù)量,提高數(shù)據(jù)收集的效率。在分簇的結(jié)構(gòu)中進(jìn)行數(shù)據(jù)融合能夠提高信道利用率,均衡網(wǎng)絡(luò)能耗。為了解決已有分簇方案選取簇頭的方法考慮因素單一的問(wèn)題,本文利用模糊邏輯,引入多種影響能耗的因素綜合進(jìn)行簇頭的選取,延長(zhǎng)網(wǎng)絡(luò)的使用壽命。論文的主要工作內(nèi)容歸納為以下三個(gè)方面:(1)首先分析和比較了低功耗自適應(yīng)分簇算法(Low Energy Adaptive Clustering Hierarchy,LEACH)和基于異構(gòu)網(wǎng)絡(luò)設(shè)計(jì)的分布式能量有效成簇算法(Distributed Energy-Efficient Clustering Algorithm,DEEC)的主要思想和特點(diǎn),通過(guò)實(shí)驗(yàn)重點(diǎn)研究了節(jié)點(diǎn)的初始能量、節(jié)點(diǎn)規(guī)模和基站位置這些因素對(duì)于LEACH和DEEC算法產(chǎn)生的影響。(2)改進(jìn)了 LEACH分簇算法,采用模糊邏輯的方法,考慮節(jié)點(diǎn)剩余能量、節(jié)點(diǎn)相對(duì)密度和節(jié)點(diǎn)到基站的相對(duì)距離自適應(yīng)地選擇最佳簇頭節(jié)點(diǎn),以延長(zhǎng)網(wǎng)絡(luò)的存活時(shí)間。通過(guò)仿真實(shí)驗(yàn)分析了節(jié)點(diǎn)初始能量等不同因素的影響情況并與LEACH進(jìn)行對(duì)比,實(shí)驗(yàn)表明采用模糊邏輯的LEACH分簇算法比傳統(tǒng)LEACH算法更能均衡網(wǎng)絡(luò)的能量消耗,有效延長(zhǎng)網(wǎng)絡(luò)使用壽命。(3)將模糊邏輯引入到異構(gòu)網(wǎng)絡(luò)的DEEC分簇算法中,對(duì)DEEC進(jìn)行改進(jìn),考慮節(jié)點(diǎn)的分布密度和節(jié)點(diǎn)到基站的相對(duì)距離進(jìn)行自適應(yīng)動(dòng)態(tài)簇頭的選擇。通過(guò)實(shí)驗(yàn)對(duì)不同因素的影響情況進(jìn)行分析,結(jié)果表明改進(jìn)后的DEEC分簇算法能夠均衡網(wǎng)絡(luò)的能耗,有效延長(zhǎng)網(wǎng)絡(luò)的生存時(shí)間,從而確保數(shù)據(jù)融合的精準(zhǔn)性,有效提升網(wǎng)絡(luò)性能。綜上所述,本文改進(jìn)了傳統(tǒng)LEACH算法和異構(gòu)網(wǎng)絡(luò)的DEEC算法,采用模糊邏輯,在考慮各節(jié)點(diǎn)能量的同時(shí),引入節(jié)點(diǎn)的相對(duì)密度和節(jié)點(diǎn)到基站的相對(duì)距離等因素,進(jìn)行簇頭的自適應(yīng)選擇。實(shí)驗(yàn)結(jié)果表明,本文改進(jìn)后的兩種方案有效均衡了網(wǎng)絡(luò)的能耗,延長(zhǎng)了網(wǎng)絡(luò)的生命周期。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN929.5;TP212.9
【圖文】：

無(wú)線傳感器網(wǎng)絡(luò)相關(guān)技術(shù)概述逡逑的�；谏蓸�(shù)的數(shù)據(jù)融合節(jié)點(diǎn)通過(guò)反向組播樹(shù)的形式從各處的傳感器節(jié)點(diǎn)感知逡逑的數(shù)據(jù)進(jìn)行融合，如圖２－１所示。反向組播樹(shù)上的每一中間節(jié)點(diǎn)都對(duì)感知數(shù)據(jù)進(jìn)行逡逑融合，因此，能得到最大限度的融合。目前己有的算法有最短路徑樹(shù)（ＳｈｏｒｔｅｓｔＰａｔｈｓ逡逑Ｔｒｅｅ，邋ＳＰＴ）、最近源中心算法（Ｃｅｎｔｅｒ邋ａｔ邋Ｎｅａｒｅｓｔ邋Ｓｏｕｒｃｅ，ＣＮＳ）和貪婪增量樹(shù)（Ｇｒｅｅｄｙ逡逑Ｉｎｃｒｅｍｅｎｔ邋Ｔｒｅｅ，邋ＧＩＴ）算法。ＳＰＴ的思想就是每一個(gè)節(jié)點(diǎn)都沿著到達(dá)基站的最短路徑逡逑進(jìn)行發(fā)送數(shù)據(jù)，這些路徑形成融合樹(shù)。ＣＮＳ算法的主要思想是選擇距離基站最近逡逑的一個(gè)傳感器節(jié)點(diǎn)，所有的其他節(jié)點(diǎn)感知到的數(shù)據(jù)都發(fā)送給這個(gè)節(jié)點(diǎn)，再通過(guò)這個(gè)逡逑節(jié)點(diǎn)將融合后的數(shù)據(jù)傳輸給基站。ＧＩＴ首先選擇距離基站最近的一個(gè)節(jié)點(diǎn)，二者建逡逑立一條最短路徑，之后的每一步都從剩下的節(jié)點(diǎn)中選擇距離這條路徑最近的節(jié)點(diǎn)逡逑加入到該樹(shù)中

無(wú)線傳感器網(wǎng)絡(luò)相關(guān)技術(shù)概述逡逑的�；谏蓸�(shù)的數(shù)據(jù)融合節(jié)點(diǎn)通過(guò)反向組播樹(shù)的形式從各處的傳感器節(jié)點(diǎn)感知逡逑的數(shù)據(jù)進(jìn)行融合，如圖２－１所示。反向組播樹(shù)上的每一中間節(jié)點(diǎn)都對(duì)感知數(shù)據(jù)進(jìn)行逡逑融合，因此，能得到最大限度的融合。目前己有的算法有最短路徑樹(shù)（ＳｈｏｒｔｅｓｔＰａｔｈｓ逡逑Ｔｒｅｅ，邋ＳＰＴ）、最近源中心算法（Ｃｅｎｔｅｒ邋ａｔ邋Ｎｅａｒｅｓｔ邋Ｓｏｕｒｃｅ，ＣＮＳ）和貪婪增量樹(shù)（Ｇｒｅｅｄｙ逡逑Ｉｎｃｒｅｍｅｎｔ邋Ｔｒｅｅ，邋ＧＩＴ）算法。ＳＰＴ的思想就是每一個(gè)節(jié)點(diǎn)都沿著到達(dá)基站的最短路徑逡逑進(jìn)行發(fā)送數(shù)據(jù)，這些路徑形成融合樹(shù)。ＣＮＳ算法的主要思想是選擇距離基站最近逡逑的一個(gè)傳感器節(jié)點(diǎn)，所有的其他節(jié)點(diǎn)感知到的數(shù)據(jù)都發(fā)送給這個(gè)節(jié)點(diǎn)，再通過(guò)這個(gè)逡逑節(jié)點(diǎn)將融合后的數(shù)據(jù)傳輸給基站。ＧＩＴ首先選擇距離基站最近的一個(gè)節(jié)點(diǎn)，二者建逡逑立一條最短路徑，之后的每一步都從剩下的節(jié)點(diǎn)中選擇距離這條路徑最近的節(jié)點(diǎn)逡逑加入到該樹(shù)中

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 唐良瑞;陳媛媛;馮森;;基于證據(jù)理論的無(wú)線傳感器網(wǎng)絡(luò)鏈?zhǔn)铰酚伤惴╗J];計(jì)算機(jī)研究與發(fā)展;2013年07期

2 暴磊;張代遠(yuǎn);吳家寶;;物聯(lián)網(wǎng)與隱私保護(hù)技術(shù)[J];電子科技;2010年07期

3 沈波;張世永;鐘亦平;;無(wú)線傳感器網(wǎng)絡(luò)分簇路由協(xié)議[J];軟件學(xué)報(bào);2006年07期

4 卿利;朱清新;王明文;;異構(gòu)傳感器網(wǎng)絡(luò)的分布式能量有效成簇算法[J];軟件學(xué)報(bào);2006年03期

本文編號(hào)：2741498